醉酒型危險駕駛罪量刑規律實證研究

褚志遠

（錦州市中級人民法院，遼寧錦州121013）

醉酒型危險駕駛罪量刑規律實證研究

褚志遠

（錦州市中級人民法院，遼寧錦州121013）

通過SPSS軟件對1179份醉酒型危險駕駛罪判決書進行實證分析，可以觀察到醉酒型危險駕駛罪的量刑在總體上呈現出相對輕刑化傾向。不同情節對醉駕型危險駕駛罪刑罰裁量起到不同的作用：血醇含量是醉酒型危險駕駛罪量刑最主要的影響因素，除此之外拘役刑期還受車輛類型、有無其他違法行為、自首或坦白等情節和是否適用緩刑的影響，緩刑還受到有無其他違法行為、造成損失是否賠償、罰金等因素影響；罰金刑受到車輛類型、自首或坦白、緩刑等因素的影響。通過篩選樣本提煉的血醇含量和刑罰的基本對應關系可以作為基準刑的參考。

醉酒型危險駕駛罪；量刑；實證研究

我國《刑法》規定危險駕駛罪已兩年有余。由于此罪是我國刑法中最典型的輕微罪，是刑事不法與行政違法最為貼近的罪名，作為我國刑法最典型的抽象危險犯，醉酒型危險駕駛罪的量刑尤其引人關注，實現該罪的量刑均衡是刑事司法實務中尤其是法官群體面臨的重要命題。理論上進行的刑法教義學研究更多解決的是定性問題，即“是什么”和“為什么”，而實證研究可以直接發現量刑實踐的總體水平實際“怎么樣”，也可以發現個案的量刑偏差和量刑實踐的集中趨勢，使更多個案量刑接近大量判決的平均水平。1本文旨在通過對醉酒型危險駕駛罪的量刑情況進行實證分析，觀察整個法官群體的量刑現實，嘗試從中提煉出醉酒型危險駕駛罪的司法量刑規律，希冀可以為量刑規范化提供另一個角度的參考。

一、醉酒型危險駕駛罪樣本的選擇及量刑情節的篩選

因為量刑是否均衡的評價對象是法官作出的判決，所以本文將判決書作為實證研究的樣本。雖然不可否認個案可能存在量刑偏差，但全國法官的用刑集中趨勢體現了法官群體的價值選擇，具有其自身的合理性，從大量的判決中提煉出來的量刑規律可以作為未來量刑、制定司法解釋的參考。

截至2013年4月末，全國法院審結醉酒型危險駕駛罪案件7萬余件，2筆者從可利用的資源入手，采用抽樣與全樣本結合的方法抽取樣本，即以數據庫對判決的采集收錄作為自然抽樣過程，再將數據庫內收錄的判決按時間排列作為取樣框架，從中截取若干時段，抽取對應時段內的全部樣本。采用這種取樣方法的原因在于：數據庫收錄判決即為一次抽樣，如果在抽樣的基礎上再進行隨機抽樣，就已經失去了抽樣的隨機性；通過截取數據庫中的若干時段內的全部樣本，盡可能消滅了抽樣的誤差，實現了取樣的科學性，在能力范圍內與案件總體靠攏；各地法院選送進入數據庫中公開發布的判決，必然是其各地法院“自認為”較為優秀的判決，因而具有一定的示范性；另外，截取具有代表性的不同時間段樣本可以縱向觀察醉酒型危險駕駛罪的量刑趨勢。

按照前述方法，筆者從“北大法意”（www.lawyee.org）精選案例數據庫中檢索危險駕駛罪判決，經過排序、篩重、剔除無效樣本，選取了1179份判決書作為研究樣本，按照前文所述數據估算，本文抽取的樣本可以占到近兩年全國醉酒型危險駕駛案件總數的1.65%左右，樣本容量符合社會科學實證研究的要求。

所抽取的樣本按判決時間分為三部分，包括：（Ⅰ）2011年5月至2011年7月（即醉酒駕駛剛剛被規定為犯罪的三個月）作出的判決214個；（Ⅱ）2012年2月和2012年4月（與時間段Ⅰ間隔半年）作出的判決666個；（Ⅲ）2012年11月至2013年1月（與時間段Ⅱ間隔半年）作出的判決299個。之所以（Ⅰ）和（Ⅲ）兩個時間段為三個月而時段（Ⅱ）為兩個月，是出于使抽取樣本的構成近似總體構成的考慮。經估算，2012年2月至2012年4月案件總數約為2011年5月至2011年7月的3倍上下，而數據庫中收錄的2012年2月至2012年4月三個月判決數量超過了2011年5月至7月判決數量的5倍以上，如果全部取為研究樣本，會使樣本構成偏離總體構成，因此只保留該時段內首尾兩個月的樣本近似代表該時段的量刑情況。從地區條件來看，抽取的樣本判決分別來自上海、河南、浙江、重慶、福建、陜西、廣東、湖南、廣西、河北、新疆、江蘇、安徽、遼寧、湖北等15個省級地域，涵蓋了東部、中部和西部地區，具有對全國總體的代表性。

抽取樣本作為基礎之后，第二個步驟是在樣本中提取可能影響刑罰裁量的情節作為變量。我國《刑法》第五條規定了罪責刑相適應原則：“刑罰的輕重，應當與犯罪分子所犯罪行和承擔的刑事責任相適應。”罪責刑相適應原則的實質即量刑原則，包含了對量刑均衡的要求。“犯罪分子所犯罪行”體現的是行為的社會危害性，包括犯罪的事實、性質、犯罪情節及社會危害程度；“犯罪分子承擔的刑事責任”即要求對人身危險性進行審查，包括影響非難可能性及再犯可能性的量刑情節。3但社會危害性和人身危險性是抽象概念，不可能直接用以決定刑罰，因此需要將抽象概念具象化，分解為具體情節。情節要素即為本文進行實證研究需要的變量。

通過對樣本判決查明事實和論理部分進行系統觀察，結合刑法理論，從樣本判決中提取可能影響醉酒型危險駕駛罪量刑的七個變量：血醇含量、車輛類型、發案方式、其他違法行為、自首或坦白、自愿認罪、造成他人損害后是否進行賠償。血醇含量，根據《車輛駕駛人員血液、呼氣酒精含量閾值與檢驗標準》（GB19522-2004），駕駛人員每100ml血液中酒精含量達到80mg即為醉酒駕駛；車輛類型，按照駕駛機動車類型不同，區分為汽車、摩托車（助力車）兩類；發案方式，區分為因造成他人實際損害而發案和被交警查獲兩個類型；其他違法行為指除了醉酒駕駛之外的其他違反道路交通安全法的駕駛行為，如不按信號燈行駛、無證或無牌照駕駛等，此類行為對刑罰如果存在影響，其影響效果基本相

同，故將其歸為一個二元定類變量。其他違法行為、自愿認罪、造成他人損害后是否進行賠償三個變量均以有無（是否）為標準進行二元劃分，自首或坦白變量區分為無、坦白、自首三個類別。上述七個變量中，血醇含量、車輛類型、發案方式、其他違法行為四個變量體現了行為的社會危害性，即《人民法院量刑指導意見（試行）》中規定的“基本犯罪構成事實”和“其他影響犯罪構成的犯罪事實”；自首或坦白、自愿認罪、造成損害是否進行賠償三個變量則體現了行為人的人身危險性和再犯可能性，即與《人民法院量刑指導意見（試行）》中規定的量刑情節相對應。概念具象化之后，將以上七個情節作為變量，就使得抽象的危害性、危險性概念具有了進行定量研究的可操作性。

危險駕駛罪的刑罰后果包括自由刑（拘役）、財產刑（罰金），此外根據《刑法》第七十二條的規定，對危險駕駛罪的犯罪分子可以宣告緩刑。另外樣本中還存在若干免予刑事處罰的判決。因此本文將實證分析過程分為四個部分，在每一部分通過量化統計研究兩個內容：一是分別考察拘役刑期、罰金數額、緩刑適用比例、免于刑事處罰的比例四項刑罰的基本水平及趨勢；二是考察上述七項量刑情節對拘役刑、是否宣告緩刑、罰金刑及免予刑事處罰的影響情況。

二、醉酒型危險駕駛罪刑罰水平、趨勢及其量刑影響因素的實證觀察

（一）拘役刑

1.拘役刑量刑狀態考察

首先對樣本的拘役刑進行總體觀察。樣本拘役刑期均值為2.05個月，三個時間段的拘役刑期均值分別為2.18個月、2.09個月和1.84個月。說明隨著時間推移和量刑反復實踐，醉酒型危險駕駛罪拘役刑的總體用刑量呈現下降趨勢。同時司法實踐中用刑量的總體水平是在法定刑區間內將刑罰用到極致，還是接近亦或低于法定刑中間水平，可以觀測宣告刑與犯罪的總體對應關系。在此本文引入“裸罪均值”概念。所謂裸罪均值，即在一定法定刑幅度內，沒有任何法定情節的若干案件宣告刑的平均值。4經過計算，樣本拘役刑裸罪均值為1.9個月，三個時間段分別為1.92個月、1.91個月和1.78個月，均顯著低于危險駕駛罪的法定刑中線3.5個月，更接近法定刑下線。

2.情節因素對拘役刑裁量的影響作用

接下來的問題是拘役刑的裁量受哪些因素的影響。筆者將設定的七個變量作為自變量，將拘役刑作為因變量，觀測其間的關系。按照《人民法院量刑指導意見（試行）》規定的量刑步驟，先考察作為“基本犯罪構成事實”和“其他影響犯罪構成的犯罪事實”構成要素的血醇含量、車輛類型、發案方式、其他違法行為四個變量對拘役刑的影響。車輛類型、發案方式、其他違法行為都是定類變量，可以采用均值比較的方法，通過比較不同條件下的拘役刑期均值并觀察其差異是否顯著，可以看到這些因素對拘役刑期有無影響。在控制法定量刑情節和緩刑因素后進行均值比較，不同發案方式變量中，被查獲發案即未造成他人損害的拘役刑期均值為1.68個月，而造成他人損害的拘役刑期均值為2.36個月（p=0.000＜0.05，Eta=0.305），二者差異顯著；有無其他違法行為變量下，有其他違法行為的拘役刑期均值為2.14個月，沒有其他違法行為的拘役刑期均值為1.76個月（p=0. 000＜0.05，Eta=0.112），同樣差異顯著。5說明發案方式和其他違法行為變量對拘役刑期具有一定的影響作用。車輛類型變量均值比較的顯著值為0.365，大于0.05，說明雖然二

者均值比較符合預計（即汽車較摩托車、助力車的拘役刑期均值長），但均值差異并不顯著，亦不存在線性相關。

由于血醇含量屬于定距變量，對于其與拘役刑期的關系不適宜采用比較均值的方法進行研究，因此本文通過計算Eta系數來觀察兩個變量之間的相關程度。6血醇含量與拘役刑期的Eta系數為0.844（p=0.000＜0.05），而發案方式和其他違法行為的Eta系數在前文均值比較分析過程中已經計算，結果分別為0.305和0.112。由此可以得出初步結論：血醇含量、發案方式、其他違法行為三個因素均與拘役刑期具有相關關系。

之后再來分析量刑情節對拘役刑期的影響。由于三個量刑情節都是定類變量，因此仍使用在控制緩刑變量的前提下使用均值比較的方法。得到的結論是，三個變量均值比較均符合正常理論預計，即賠償損失者較不賠償者刑期短、自首或坦白者較非自首坦白者刑期短、認罪者較無認罪情節者刑期短，但三個變量的顯著值均大于0.05（分別為0.102、0.303、0.102），即在此研究方法下觀察到三個量刑情節對拘役刑期均不存在顯著影響。

上面關于量刑情節分析的結果可能與理論上的通常預設不太一致，但這一結果并不能說明量刑情節對拘役刑期必定沒有影響。雖然量刑過程要按照步驟先考慮犯罪構成事實，再考慮量刑情節，但刑罰的最終確定是犯罪構成事實與量刑情節共同作用的結果，而且結果并非僅為拘役刑，還有罰金刑和宣告緩刑的情形，這兩個結果也有可能使拘役刑期發生變動。上面的分析過程我們僅考慮緩刑可能對拘役造成影響而在研究中對該變量加以控制，但并未控制其他變量。基于這種思路，筆者使用計算偏相關系數的方法觀察在控制其他變量（包括罰金刑和是否宣告緩刑）的前提下各變量與拘役刑期的相關關系（結果見表1）。

表1 拘役刑期影響變量偏相關系數

在控制其他全部變量之后，自首或坦白變量與拘役刑期具有顯著相關，而造成損失是否賠償和自愿認罪兩個變量顯著值大于0.05，即與拘役刑期不具有顯著相關。同時還發現，原來與拘役刑期沒有顯著相關性的車輛類型變量在控制更多變量之后，相關顯著值變成了0.026，小于0.05；而原來具有顯著相關的發案方式變量與拘役刑期的相關在控制更多變量的前提下顯著值為0.244，大于0.05，不再具有顯著相關性。筆者進一步使用多元線性回歸方法對上述結果進行檢驗，觀察多個自變量共同作用下與拘役刑期這一因變量的因果關系。7結果顯示，發案方式、造成他人損害后是否進行賠償、自愿認罪顯著值均大于0.05，其他變量顯著值均小于0.05。與表1的偏相關實驗結論基本相同。

綜上，對拘役刑期具有影響力的變量按照標準化回歸系數絕對值高低（即對拘役刑

期影響力大小）排列分別為：血醇含量（0.415）、緩刑（-0.197）、車輛類型（-0.115）、自首或坦白（-0.113）、其他違法行為（0.11）。8

（二）緩刑

1.緩刑適用的比例及趨勢考察

初步分析，研究樣本中宣告緩刑的判決占樣本數的35.7%，三個時間段的樣本適用緩刑的比例分別為10.7%、41.3%和41.1%。說明醉駕入刑之初宣告緩刑比例較低，而隨著量刑實踐逐漸推進，宣告緩刑比例上升并穩定在最初的4倍左右。

2.緩刑適用的影響因素考察

由于是否宣告緩刑屬于二元定類變量，因此可以使用logistic回歸方法來同時觀察不同類型的多個要素對緩刑適用的共同影響。由于宣告緩刑是對主刑的暫緩執行，但緩刑的效力不及于罰金刑。即對于宣告緩刑的醉駕者，其直接刑罰結果實際體現為緩刑和罰金刑，故而在這一研究過程中我們將罰金刑作為控制變量而不再將拘役刑加入計算過程。經過運用該程序初步計算，車輛類型（P=0.060＞0.05）、發案方式（P=0.139＞0.05）、自首或坦白（P=0.691＞0.05）、自愿認罪（P=0.688＞0.05）四個變量不滿足顯著性要求，表明這四個變量對緩刑不具有顯著作用，需要從回歸模型中剔除。將其他變量作為自變量構建模型，運行logistic回歸程序，得到表2和表3。

表2 緩刑l ogi st i c分析：未進入方程過程的結果

表2顯示的是在各變量進入logistic模型綜合分析之前（step 0），自變量與因變量之間單獨的關系。結果是自變量的顯著值（Sig.）均低于0.05，意味著其對宣告緩刑的影響均具有顯著意義。該模型全局性檢驗顯著值為0，具有統計學意義。進入logistic模型綜合分析過程后（step 1），檢測Hosmer and Lemeshow Test顯著值為0.704，模型擬合優度較好。9模型正確預測百分比為73.9%，即該模型可以預測73.9%的緩刑適用，較未剔除變量之前的69%及step 0的預測正確率68.6%均有所提高。

表3 緩刑l ogi st i c分析：進入方程過程的結果

表3是logistic回歸分析的最主要結果，是變量進入方程綜合分析的結果。首先需要看顯著值（Sig.），自變量的顯著值均小于0.05，說明在共同作用下，自變量對于緩刑的影響仍具有統計學意義上的顯著性。再看Exp（B）即機會比，表示在其他自變量固定的前提下，該自變量上升一個單位，使因變量結果出現的機會將為原來的多少倍。例如在其他自變量不變的情況下，造成他人損失已經賠償者適用緩刑的機會是未賠償者的1.814倍；而其他違法變量機會比小于1，表明在其他自變量不變的情況下，有其他違法行為者適用緩刑的機會是無其他違法行為者的0.511倍，即無其他違法行為者適用緩刑機會更高。最后，由于自變量的影響力大小不能通過機會比直接比較，需要通過將非標準化回歸系數（B）進行標準化處理后再比較。10經過計算，四個變量的標準化回歸系數分別為：罰金（0.483）、血醇含量（-0.251）、其他違法（-0.173）、是否賠償（0.155），其中負值表明自變量上升則宣告緩刑機會降低。由此可以得出結論，對于醉酒型危險駕駛罪宣告緩刑具有影響的變量中，影響力最大的是罰金，其次是血醇含量、有無其他違法行為和造成他人損失是否賠償。其中罰金對于緩刑的影響力超出其他因素，值得引起司法者注意。

同時筆者發現一個問題：造成他人損失是否賠償變量與是否宣告緩刑之間具有因果關系，而發案方式即是否造成他人損失變量與緩刑是否適用之間未發現因果關系，未造成他人損害自然沒有賠償因素，這樣對于未造成他人損失的醉駕行為者是否不公平？為了回答這個問題，也為了驗證logistic回歸分析的結論，筆者再采用交互分析和偏相關分析的方法繼續觀測自變量和緩刑適用之間的關系。

表4 緩刑發案方式交互分析

表5 緩刑是否賠償交互分析

表4和表5分別是發案方式和造成他人損害是否賠償兩個定類變量作為自變量與緩刑作為因變量進行交互分析的結果。可以看到在不考慮其他因素影響的前提下，樣本中造成他人損害后已經賠償者適用緩刑的幾率為35.3%，而被查獲發案即未造成他人損害適用緩刑的幾率達到39.1%，高于前者。這一結果回答了之前的問題，即未造成他人損害者仍具有相當的適用緩刑幾率，沒有對其造成不公平影響。而之所以在logistic回歸分析中發案方式變量對緩刑適用不具有顯著作用而是否賠償變量體現出顯著作用，更多是由于來自其他因素的影響造成的結果。

接下來仍使用計算偏相關系數的方式來檢測控制其他變量的情況下某一自變量與緩刑適用之間的相關關系，得到結果如表6。

表6 緩刑偏相關系數

通過表6可以看到，車輛類型、發案方式、自首或坦白、自愿認罪四個變量顯著值均大于0.05，即與緩刑適用不具有顯著相關；而另外三個變量均與緩刑適用具有顯著相關關系，與logistic回歸分析的結果基本一致。即說明血醇含量、其他違法行為和造成他人損失是否賠償對于宣告緩刑具有顯著影響。

對于緩刑的適用來說，另一個問題是緩刑考驗期的長短受哪些因素的影響。緩刑考驗期的變量屬性與拘役刑期相同，因此采用偏相關和多元線性回歸方法。在偏相關系數分析過程中，僅拘役刑期和自愿認罪兩個變量的顯著值小于0.05，偏相關系數分別為0.741和0.237。多元線性回歸分析結果如出一轍，仍是拘役刑期和自愿認罪兩個變量顯著值小于0.05，標準化回歸系數分別為0.742和0.163。說明緩刑考驗期的長短基本是由拘役刑期長短決定的，而是否自愿認罪這一酌定量刑情節會作為次要或輔助因素予以適當考慮。

（三）罰金刑

1.罰金刑總體量刑水平和趨勢考察

首先對樣本判決的罰金刑進行初步觀察，樣本判決罰金數額均值為2372.35元，排除法定量刑情節后的裸罪均值則達到2744.16元，相對靠近1000元的罰金刑底線。三個時間段的罰金均值分別為2095.79元、2654.65元和1941.47元，并未與拘役刑表現出相同的變動趨勢。并且樣本均值方差較大，表明樣本罰金刑表現出較強的離散趨勢，個案之間差異較大。樣本判決中罰金金額高于5000元的共40例，全部來自河南、重慶、陜西三個中西部地區，其中最高金額達到了20000元。其他樣本罰金金額均在5000元以下（含5000元）。

2.罰金刑量刑影響因素考察

罰金數額屬于定距變量，筆者仍然用計算偏相關系數和多元線性回歸兩種方法來分析定罪情節和量刑情節對于罰金刑的影響，基于罰金和拘役同為醉酒型危險駕駛罪的法律后果，因此將拘役作為控制變量加入計算過程，但基于二者之間不存在理論上的有解釋力的原因，因此本文不報告拘役變量的分析結果。另外考慮到在前文的研究過程中發現罰金與宣告緩刑之間具有相關關系，因此將緩刑也作為自變量加入分析過程。

表7為罰金刑影響因素偏相關系數計算結果。可以看到在偏相關分析中，車輛類型、自首或坦白、是否緩刑三個變量具有統計意義上的顯著性，而包括血醇含量在內的其他變量顯著值均大于0.05，即與罰金金額之間不存在顯著相關性。

表7 罰金刑偏相關系數

進一步通過多元線性回歸方法觀察罰金刑與自變量之間的關系，結果與偏相關分析一致。即對于罰金刑具有影響力的情節要素為緩刑、車輛類型、自首或坦白，其標準化回歸系數按絕對值高低排列為：緩刑（0.251）、車輛類型（-0.153）、自首或坦白（-0.116）。

另外樣本中存在少量偏離罰金數額集中趨勢的判決，這部分判決對行為人科處高額罰金的原因是否與上文分析觀察到的罰金刑影響因素相同？筆者以5000元為分界點，按照罰金金額5000元以下（含5000元）和5000元以上的區分標準將罰金設定為二元定類變量，運用二元logistic回歸方法分析高額罰金的影響因素（結果見表8）。

表8 高額罰金l ogi st i c分析：進入方程過程的結果

（四）免予刑事處罰

1.免予刑事處罰的比例及趨勢考察

在研究樣本中，免予刑事處罰14例，占樣本數的1.2%。由于樣本數較小，無法對不同時段免予刑事處罰判決數量的變動趨勢進行分析。為觀察到這一結果，筆者將樣本框架擴大到整個數據庫，從中提取全部免予刑事處罰的樣本。截至2013年6月15日，“北大法意”中國裁判文書數據庫收錄醉酒型危險駕駛罪判決7973份，其中免予刑事處罰58例，約占樣本的0.727%，其中2011年免予刑事處罰占當年樣本的1.36%，2012年為0.56%，2013年為0.33%，免予刑事處罰的比例呈總體下降趨勢，表明醉酒型危險駕駛罪的免予刑事處罰適用逐漸受到控制。

2.免予刑事處罰的量刑影響因素考察

筆者將是否免予刑事處罰設定為二元定類變量，交替使用相關和logistic回歸兩種方法觀察七個自變量對免予刑事處罰的影響。由于免予刑事處罰時不存在拘役、緩刑和罰金，因此無需對這三個變量加以控制。結果顯示，僅血醇含量對是否免予刑事處罰具有顯著影響，標準化回歸系數為1.107，機會比為0.966；其他變量均無顯著影響。

進一步通過均值檢驗對血醇含量和免予刑事處罰的關系進行檢測，免予刑事處罰的樣本血醇含量均值為108.91mg/100ml，科處刑罰的樣本血醇含量均值為162.81mg/100ml，經獨立樣本T檢驗，二者之間差異顯著。均值檢驗驗證了樣本中血醇含量對免予刑事處罰的適用具有影響的結論。另外需要說明的是，由于抽取樣本中免予刑事處罰的判決相對較少，不排除樣本數增加使結論發生改變的可能。

另外在對免予刑事處罰樣本進行研究過程中，筆者發現多數判決使用了“情節輕微”這一用語，但并未進行具體說明，從判決本身直觀來看無法發現免予刑事處罰與科處刑罰的醉駕行為的區別。僅有少量判決說明了免予刑事處罰的特殊原因：如醉酒坐在摩托車上滑行未發動、醉酒后在停車場內休息應他人要求挪車、有緊急事務不得已醉駕等。

（五）醉酒型危險駕駛罪量刑實證考察小結

通過上述研究可以看到，各個要素對于醉酒型危險駕駛罪刑罰結果的影響作用不盡相同（詳見表9）。發案方式因素對刑罰結果未產生任何顯著影響，原因在于刑法規定的危險駕駛罪罪狀并未規定犯罪后果，該罪屬于抽象危險犯，抽象危險犯不需要司法上的具體判斷，只需要以一般的社會生活經驗為根據，認定行為具有發生侵害結果的危險即可。11因此樣本判決中醉酒駕駛發生事故造成他人的損害不屬于刑法評價范圍。如果因醉酒駕駛造成他人死亡、重傷或公私財產重大損失等刑法規定的犯罪結果，可能構成交通肇事罪、以危險方法危害公共安全罪等其他犯罪，此時犯罪后果為其他犯罪所評價。

(1)購置經費渠道多樣化。對于貴重儀器的購置，英國高校接受政府資助、企業合作、個人捐贈等多種形式的資金來源。

表9

血醇含量、車輛類型、其他違法行為三個影響犯罪構成的事實和造成他人損失是否賠償、自首或坦白、自愿認罪三個量刑情節對醉駕型危險駕駛罪的影響基本符合筆者的預計，從理論上也不難理解。血醇含量的高低和有無其他違法行為標識出醉駕行為危險性高低，也體現出行為人的主觀惡性大小，其影響體現于主刑。駕駛汽車實施醉駕通常較駕駛摩托車、助動車實施醉駕行為可能導致的危害結果更重、發生事故幾率更高，即危險性更高，因此應當對應更長的拘役刑期和更高的罰金數額；另外從罰金刑的角度來看，通常情況下醉駕汽車者經濟能力一般好于醉駕摩托車、電動車的人群，要剝奪或削弱其再犯的能力以實現特殊預防需要施加更重的經濟懲罰措施，從執行的角度也更容易實現。自首或坦白屬于法定量刑情節，其影響直接體現到主刑和附加刑的裁量；而造成他人損失是否賠償和自愿認罪則屬于酌定量刑情節，僅在是否緩刑或緩刑考驗期的裁量上起到輔助的作用。而從影響作用的強弱來看，無疑血醇含量所標示的醉酒程度是醉酒型危險駕駛罪刑罰裁量的最強影響因素，但其影響作用僅限于主刑和是否宣告緩刑，作為附加刑的罰金裁量則更多考慮其他相關因素。

從表7中還可以看到，除了定罪情節和量刑情節對醉酒型危險駕駛罪的刑罰裁量產生影響之外，緩刑對于拘役還具有影響作用，罰金與緩刑具有相互影響作用。緩刑是拘役刑的一種適用方式，通過均值比較可以發現適用緩刑的拘役刑期較未適用緩刑的均值更長，研究樣本中適用緩刑的醉酒型危險駕駛罪拘役刑期均值為2.2個月，未適用緩刑的拘役刑期為1.9個月，經過獨立樣本T檢驗差異顯著（p=0.000＜0.05），原因是行為人如果違反緩刑考驗規定則體現出更大的人身危險性，應當接受更長的實刑處罰。緩刑成為對罰金影響最強的因素，司法實踐習慣做法和理論都認為對于應當并處罰金刑的犯罪，如被告人能積極繳納罰金，認罪態度較好，且判處罰金數額較大，自由刑可適當從輕或考慮宣告緩刑，這符合罪刑相適應原則，因為罰金刑也是刑罰。12同時也可以在一定程度上削弱其再犯的能力，但需要警惕“以罰代刑”的現象出現。

三、量刑均衡的規則總結——以血醇含量和拘役刑、罰金刑的對應關系為側重點

上述實證研究是在樣本框架內對總體集中趨勢的分析，但并不能因此說明每一個案都已實現了量刑均衡。實務中各個地方甚至同一個法院對于相似的醉駕案判處刑罰相差懸殊的情況也是客觀存在的。例如在樣本中，兩個行為人血醇含量分別為313.6mg/100ml和314.8mg/100ml，其他情節完全相同，被判處刑罰分別為拘役2個月并處罰金3000元和拘役5個月并處罰金2000元；在另外兩個案件中，血醇含量均為92mg/100ml，其他情節和并處罰金數額完全相同，分別被判處拘役4個月和拘役1個月。這兩個例證說明，樣本中存在著同案不同判的現象，同案不同判的兩個判決至少有一個存在著量刑偏差。盡管研究樣本的刑罰總體上可以通過犯罪情節和量刑情節得到解釋，但樣本刑罰體現的離散趨勢同樣嚴重，標準化回歸系數和相關系數數值多數偏低，不得不承認量刑均衡的實現依然有令人遺憾的地方。筆者的努力方向是在樣本總體的集中趨勢中總結出某種規律，作為醉酒型危險駕駛罪個案量刑的參照，筆者仍通過SPSS軟件進行嘗試。

血醇含量是影響醉酒型危險駕駛罪量刑的最主要情節，而拘役刑作為該罪唯一的主刑應視為最主要結果，因此醉酒型危險駕駛罪的量刑應將血醇含量與拘役的關系作為主導因素，血醇含量即為考量基準刑的最重要的因素。分析過程首先需要對明顯偏離集中

趨勢、導致自變量解釋力弱化的判決即存在量刑偏差的判決進行篩除，之后對剩余樣本的拘役刑期進行線性回歸分析，R2由未篩除樣本之前的0.307提高到0.803，表明自變量模型對拘役刑期的解釋力大幅提升，達到80.3%。而控制其他變量后計算血醇含量與拘役刑期的偏相關系數已經達到0.911，接近完全相關系數1。此種條件下得到的樣本框架較為理想，進一步通過均值比較來分析樣本蘊含的量刑規律。在均值計算前，將血醇含量進行分級處理，將入罪標準80mg/100ml的倍數作為分級的節點，共分成四級，然后將血醇級別作為自變量計算出相對應的拘役刑期均值和罰金數額（結果見表10）。

表10

通過上表可以看到隨著血醇含量級別升高，拘役刑期呈現階梯式上升，體現了較為均衡的罪刑基本對應關系。需要說明的是，上表僅作為基準刑的參考值。在確定基準刑時，應當同時考慮車輛類型、有無其他違法行為等因素在此基礎上進行浮動，如在血醇含量基本相同的情況下，醉駕汽車的刑期應適度高于醉駕摩托車、助動車，有其他違法行為者刑期應適度高于無其他違法行為者，浮動的幅度約15日。在確定基準刑后，再考慮其他量刑情節確定宣告刑。在宣告緩刑時，應考慮適當加重拘役刑期。此外，由于罰金刑不受血醇含量的影響，同時因地區經濟情況的限制，此處僅隨均值過程計算出平均數額，司法實踐中應根據各地區經濟條件在此數額基礎上進行調整。

四、余論——以責任型限制預防刑

在前文實證分析過程中，除了觀察到各因素對刑罰裁量的不同影響，還觀察到醉酒型危險駕駛罪刑罰的適用情況及趨勢。顯著低于法定刑中線的拘役刑、相當比例且包含上升趨勢的緩刑適用、相對靠近下線的罰金刑及部分免予刑事處罰判決，表明醉酒型危險駕駛罪的量刑在總體上呈現出相對的輕刑化傾向。

犯罪是按照一定主觀圖式組織構建起來的事實，而非純客觀自在的對象。13立法者在定義犯罪時會受到諸如社會現狀、輿論導向、刑法理論等多種因素的影響。在《刑法修正案（八）》出臺之前，在司法實務的操作中，危險駕駛行為僅在造成公共安全危險或過失造成損害結果時，才分別成立以其他方法危害公共安全罪和交通肇事罪。危險駕駛罪的設置使入罪的門檻由發生實害結果或產生具體危險時降低至實施具有抽象危險的行為時，擴大了犯罪圈，是立法者對危險駕駛行為日漸增多的回應，體現了基于風險社會的預估而保護公共安全法益采取一般預防措施的思維。

雖然刑罰的目的包含一般預防，但貫徹責任主義是尊重人權的基本要求，尤其是對于抽象危險犯，司法者必須在立法判斷的基礎上獨立進行司法判斷，區分影響責任刑的情節與影響預防刑的情節，并且只能在責任刑的點之下考慮預防犯罪的目的，不能為了一般預防的需要對被告人從重處罰。14危險駕駛罪的罪刑規范凸顯了威懾的一般預防目的，立法者通過配置刑罰，表達了對危險駕駛行為不能容忍的態度，借以引導或震懾一般人不愿或不敢實施危險駕駛行為。而對于醉酒型危險駕駛罪這一輕微犯罪，司法者仍應堅持責任主義立場，通過控制拘役刑期和罰金數額，并在一定的范圍內適用緩刑，借以實現“重罪重判、輕罪輕判、微罪更輕”中對微罪的輕緩處理和罪刑總體均衡。正如儲槐植教授所言：“只有從寬發落多數輕微罪案，方能分化、突顯、有力打擊少數嚴重罪案，此乃寬嚴相濟得以稱之為刑事政策的真諦所在。”15

注：

1白建軍：《刑法規律與量刑實踐：刑法現象的大樣本考察》，北京大學出版社2011年版，第188-189頁。本文使用的實證研究方法，部分參見白建軍：《法律實證研究方法》，北京大學出版社2008年版。本文的寫作受白教授著作和授課的啟發頗多，在此謹致謝意。本文使用的實證分析工具為SPSS 17.0版。

2《醉駕入刑兩周年減四成》，《人民法院報》2013年5月4日第5版。

3、14參見張明楷：《責任主義與量刑原理——以點的理論為中心》，《法學研究》2010年第5期。

4本文除了排除法定量刑情節之外，還將緩刑作為影響因素加以排除。描述法定刑集中趨勢的最佳指標是法定刑中線，通過裸罪均值與法定刑中線的比較，可以觀察到刑罰適用的總體水平。其計算方法是上線減下線除2后加下線。參見白建軍：《刑法規律與量刑實踐：刑法現象的大樣本考察》，北京大學出版社2011年版，第177-178頁。

5在當前的社會科學研究中，一般是以顯著值（簡寫為P）小于等于0.05作為具有統計學意義上的顯著性的準則。參見李沛良：《社會研究的統計應用》，社會科學文獻出版社2001年版，第154頁。

6Eta系數是用于測量定類變量和定距變量之間的相關關系的指數，取值為0-1，越接近1則相關性越強。這里將血醇含量這一定距變量看作定類變量，從而便于和其他變量相關系數比較。在實證研究中，適用于較低測量層次的統計法可以適用于較高層次，反之則不可行。參見李沛良：《社會研究的統計應用》，社會科學文獻出版社2001年版，第35頁。

7偏相關和線性回歸均用于測量定距變量之間的關系，此處將定類變量賦值后視為定距變量以方便分析。如將車輛類型分別賦值為1、2分別代表摩托車或助力車、汽車，將自首或坦白變量賦值為0、1、2分別代表無、坦白和自首，其本身具有程度高低順序即為定序變量，賦值后可視為定距變量。

8筆者認為罰金刑變量對于拘役刑期的長短不具有理論上的解釋力，故此處僅將罰金刑作為控制變量，未報告其與拘役的相關系數和回歸系數。

9Hosmer and Lemeshow Test方程擬合度用于說明由預測概率獲得的期望頻數與觀察頻數之間的差異是否具有統計學意義，如果P≤0.05說明具有統計學意義，虛無假設成立，此時方程擬合度不可接受。參見白建軍：《刑法規律與量刑實踐：刑法現象的大樣本考察》，北京大學出版社2011年版，第120頁。

10標準化回歸系數≈非標準化回歸系數（B）×標準差（S.D）/1.8138。參見郭志剛主編：《社會統計分析方法》，中國人民大學出版社1999年版，第202頁。另外表3中罰金的非標準化回歸系數為0.0004746625735831684，SPSS軟件輸出表格默認顯示數字的小數點后三位。

11、12參見張明楷：《刑法學》，法律出版社2011年版，第638頁，第483頁。

13白建軍：《刑法規律與量刑實踐：刑法現象的大樣本考察》，北京大學出版社2011年版，第169頁。

15儲槐植：《解構輕刑罪案，推出“微罪”概念》，《檢察日報》2011年10月13日第3版。

（責任編輯：杜小麗）

D F622

A

1005-9512（2013）08-0030-12

褚志遠，錦州市中級人民法院助理審判員。